بنفشه زهرایی - استادیار دانشکده مهندسی عمران، دانشگاه تهران
فرشاد عبدی - دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه تهران
رضا کراچیان - استادیار دانشکده مهندسی عمران، دانشگاه تهران

در دهه های اخیر با رشد سریع جمعیت، گسترش شهرها و افزایش فعالیت های صنعتی و کشاورزی ، مدیریت منابع آب، به عنوان یکی از مسائل مهم مدیریتی مورد توجـه قـرار گرفتـه اسـت . بنـابراین ارتقـای کـارایی مـدیریت سیستم های رودخانه ـ مخزن به کمک بهره گیری از علوم جدید و روش های نوین ضروری به نظر مـی رسـد . از جملــه رویکردهــای نــوین افــزایش انعطــاف پــذیری در مــدیریت منــابع آب، مــدیریت سازگارشــونده (Adaptive Management) می باشد که در سالهای اخیر مورد توجه بسیاری از محققین قرار گرفته اسـت . در این تحقیق سعی شده است تا از اصول رویکرد مدیریت سازگارشونده در افزایش انعطاف پذیری در اسـتفاده از روشهای نوین بهینه سازی بهره برداری از مخازن ایجاد شود . برای این منظور، مدل بهینه سازی بهره برداری از مخزن با استفاده از الگوریتم ژنتیک با طول کروموزم متغیر (VLGA)١ تدوین شده است و دو رهیافت مهم برای اعمال فرآیند مدیریت سازگارشونده نسبت به تحقیقات قبلی در آن ایجاد شده است : ( ۱ ) در انتخاب پاسخ هـای اولیه در هر مرحله از اجرای حلقه های بهینه سازی VLGA ، شباهت وضعیت آوردها نسبت به سال هـای قبلـی در سه دسته بندی کلی هیدرولوژیکی نرمال ، پرآبی و کـم آبـی در نظـر گرفتـه شـده اسـت و ( ۲ ) در انتخـاب پاسخ های اولیه در هر مرحله از بهینه سازی از الگوریتم ‐K نزدیکترین همسایه ٢ با توجه به شباهت ذخیره موجود در مخزن و وضعیت ه یدرولوژیکی آوردها نسبت به سالهای قبل، بهره گرفته شده اسـت . کـاربرد ایـن مـدل در مورد مخزن های زاینده رود و شهید عباسپور نشانگر کاهش قابل توجه مشکلات محاسباتی نسبت به مـدل VLGA بوده است که افق جدیدی را در استفاده از الگوریتم ژنتیک در بهره برداری از مخازن ارایه نموده است.

مدیریت سازگارشونده، الگوریتم ژنتیک با طول کروموزم متغیر ، الگوریتم -K نزدیکتـرین همسایه، مخزن زاینده رود، بهینه سازی